torch不需要梯度反向传播,pytorch 反向传播

　　本文主要介绍PyTorch反向传播。反向传播的目的是计算成本函数C对网络中任何W或B的偏导数。以下更多内容，可以参考需要的小伙伴。

　　前言：

　　反向传播的目的是计算成本函数C对网络中任意W或B的偏导数。一旦我们有了这些偏导数，我们将通过一些常数和这个量相对于成本函数的偏导数的乘积来更新网络中的权重和偏差。这是一种流行的梯度下降算法。而偏导数给出了最大上升的方向。因此，关于反向传播算法，我们继续看下面。

　　我们向相反的方向迈了一小步，——最大下降的方向，也就是把我们带到代价函数局部最小值的方向。

　　如题：

　　就是用这个二次模型来预测数据，降低损失函数值(MSE)。

　　代码如下：

　　进口火炬

　　将matplotlib.pyplot作为plt导入

　　导入操作系统

　　OS . environ[ KMP _重复_LIB_OK]=TRUE

　　#数据集

　　x_data=[1.0，2.0，3.0]

　　y_data=[2.0，4.0，6.0]

　　#权重参数的初始值都是1。

　　w=torch .张量([1.0，1.0，1.0])

　　W.requires_grad=True #需要计算梯度。

　　#正向传播

　　向前定义(x):

　　返回w[0]*(x**2) w[1]*x w[2]

　　#计算损失

　　def损失(x，y):

　　y_pred=forward(x)

　　return (y_pred-y) ** 2

　　#培训模块

　　print(预测(训练前) ，4，forward(4)。item())

　　epoch_list=[]

　　w_list=[]

　　loss_list=[]

　　对于范围(1000):内的纪元

　　对于zip中的x，y(x _ data，y_data):

　　l=损失(x，y)

　　L.backward() #反向传播

　　打印( \tgrad: ，x，y，w.grad.data)

　　w . data=w . data-0.01 * w . grad . data #梯度下降

　　W.grad.data.zero_() #梯度复位操作

　　print(progress: ，epoch，l.item())

　　epoch_list.append(纪元)

　　w_list.append(w.data)

　　loss_list.append(l.item())

　　print(预测(训练后) ，4，forward(4)。item())

　　#绘图

　　plt.plot(epoch_list，loss_list， b )

　　plt.xlabel(纪元)

　　plt.ylabel(“损失”)

　　plt.grid()

　　plt.show()

　　结果如下：

　　预测(训练前)4 21.0

　　grad: 1.0 2.0张量([2。 2. 2.])

　　grad: 2.0 4.0张量([22.8800，11.4400，5.7200])

　　grad: 3.0 6.0张量([77.0472，25.6824，8.5608])

　　进步18 . 48680 . 488888886886

　　grad: 1.0 2.0张量([-1.1466，-1.1466，-1.1466])

　　grad: 2.0 4.0张量([-15.5367，-7.7683，-3.8842])

　　grad: 3.0 6.0张量([-30.4322，-10.1441，-3.3814])

　　进展12 . 54687 . 68868686661

　　grad: 1.0 2.0张量([0.3451，0.3451，0.3451])

　　grad: 2.0 4.0张量([2.4273，1.2137，0.6068])

　　grad: 3.0 6.0张量([19.4499，6.4833，2.1611])

　　进步2001 . 54865866666

　　毕业生

　　:  1.0 2.0 tensor([-0.3224, -0.3224, -0.3224])

　　    grad:  2.0 4.0 tensor([-5.8458, -2.9229, -1.4614])

　　    grad:  3.0 6.0 tensor([-3.8829, -1.2943, -0.4314])

　　progress:  3 0.04653334245085716

　　    grad:  1.0 2.0 tensor([0.0137, 0.0137, 0.0137])

　　    grad:  2.0 4.0 tensor([-1.9141, -0.9570, -0.4785])

　　    grad:  3.0 6.0 tensor([6.8557, 2.2852, 0.7617])

　　progress:  4 0.14506366848945618

　　    grad:  1.0 2.0 tensor([-0.1182, -0.1182, -0.1182])

　　    grad:  2.0 4.0 tensor([-3.6644, -1.8322, -0.9161])

　　    grad:  3.0 6.0 tensor([1.7455, 0.5818, 0.1939])

　　progress:  5 0.009403289295732975

　　    grad:  1.0 2.0 tensor([-0.0333, -0.0333, -0.0333])

　　    grad:  2.0 4.0 tensor([-2.7739, -1.3869, -0.6935])

　　    grad:  3.0 6.0 tensor([4.0140, 1.3380, 0.4460])

　　progress:  6 0.04972923547029495

　　    grad:  1.0 2.0 tensor([-0.0501, -0.0501, -0.0501])

　　    grad:  2.0 4.0 tensor([-3.1150, -1.5575, -0.7788])

　　    grad:  3.0 6.0 tensor([2.8534, 0.9511, 0.3170])

　　progress:  7 0.025129113346338272

　　    grad:  1.0 2.0 tensor([-0.0205, -0.0205, -0.0205])

　　    grad:  2.0 4.0 tensor([-2.8858, -1.4429, -0.7215])

　　    grad:  3.0 6.0 tensor([3.2924, 1.0975, 0.3658])

　　progress:  8 0.03345605731010437

　　    grad:  1.0 2.0 tensor([-0.0134, -0.0134, -0.0134])

　　    grad:  2.0 4.0 tensor([-2.9247, -1.4623, -0.7312])

　　    grad:  3.0 6.0 tensor([2.9909, 0.9970, 0.3323])

　　progress:  9 0.027609655633568764

　　    grad:  1.0 2.0 tensor([0.0033, 0.0033, 0.0033])

　　    grad:  2.0 4.0 tensor([-2.8414, -1.4207, -0.7103])

　　    grad:  3.0 6.0 tensor([3.0377, 1.0126, 0.3375])

　　progress:  10 0.02848036028444767

　　    grad:  1.0 2.0 tensor([0.0148, 0.0148, 0.0148])

　　    grad:  2.0 4.0 tensor([-2.8174, -1.4087, -0.7043])

　　    grad:  3.0 6.0 tensor([2.9260, 0.9753, 0.3251])

　　progress:  11 0.02642466314136982

　　    grad:  1.0 2.0 tensor([0.0280, 0.0280, 0.0280])

　　    grad:  2.0 4.0 tensor([-2.7682, -1.3841, -0.6920])

　　    grad:  3.0 6.0 tensor([2.8915, 0.9638, 0.3213])

　　progress:  12 0.025804826989769936

　　    grad:  1.0 2.0 tensor([0.0397, 0.0397, 0.0397])

　　    grad:  2.0 4.0 tensor([-2.7330, -1.3665, -0.6832])

　　    grad:  3.0 6.0 tensor([2.8243, 0.9414, 0.3138])

　　progress:  13 0.02462013065814972

　　    grad:  1.0 2.0 tensor([0.0514, 0.0514, 0.0514])

　　    grad:  2.0 4.0 tensor([-2.6934, -1.3467, -0.6734])

　　    grad:  3.0 6.0 tensor([2.7756, 0.9252, 0.3084])

　　progress:  14 0.023777369409799576

　　    grad:  1.0 2.0 tensor([0.0624, 0.0624, 0.0624])

　　    grad:  2.0 4.0 tensor([-2.6580, -1.3290, -0.6645])

　　    grad:  3.0 6.0 tensor([2.7213, 0.9071, 0.3024])

　　progress:  15 0.0228563379496336

　　    grad:  1.0 2.0 tensor([0.0731, 0.0731, 0.0731])

　　    grad:  2.0 4.0 tensor([-2.6227, -1.3113, -0.6557])

　　    grad:  3.0 6.0 tensor([2.6725, 0.8908, 0.2969])

　　progress:  16 0.022044027224183083

　　    grad:  1.0 2.0 tensor([0.0833, 0.0833, 0.0833])

　　    grad:  2.0 4.0 tensor([-2.5893, -1.2946, -0.6473])

　　    grad:  3.0 6.0 tensor([2.6240, 0.8747, 0.2916])

　　progress:  17 0.02125072106719017

　　    grad:  1.0 2.0 tensor([0.0931, 0.0931, 0.0931])

　　    grad:  2.0 4.0 tensor([-2.5568, -1.2784, -0.6392])

　　    grad:  3.0 6.0 tensor([2.5780, 0.8593, 0.2864])

　　progress:  18 0.020513182505965233

　　    grad:  1.0 2.0 tensor([0.1025, 0.1025, 0.1025])

　　    grad:  2.0 4.0 tensor([-2.5258, -1.2629, -0.6314])

　　    grad:  3.0 6.0 tensor([2.5335, 0.8445, 0.2815])

　　progress:  19 0.019810274243354797

　　    grad:  1.0 2.0 tensor([0.1116, 0.1116, 0.1116])

　　    grad:  2.0 4.0 tensor([-2.4958, -1.2479, -0.6239])

　　    grad:  3.0 6.0 tensor([2.4908, 0.8303, 0.2768])

　　progress:  20 0.019148115068674088

　　    grad:  1.0 2.0 tensor([0.1203, 0.1203, 0.1203])

　　    grad:  2.0 4.0 tensor([-2.4669, -1.2335, -0.6167])

　　    grad:  3.0 6.0 tensor([2.4496, 0.8165, 0.2722])

　　progress:  21 0.018520694226026535

　　    grad:  1.0 2.0 tensor([0.1286, 0.1286, 0.1286])

　　    grad:  2.0 4.0 tensor([-2.4392, -1.2196, -0.6098])

　　    grad:  3.0 6.0 tensor([2.4101, 0.8034, 0.2678])

　　progress:  22 0.017927465960383415

　　    grad:  1.0 2.0 tensor([0.1367, 0.1367, 0.1367])

　　    grad:  2.0 4.0 tensor([-2.4124, -1.2062, -0.6031])

　　    grad:  3.0 6.0 tensor([2.3720, 0.7907, 0.2636])

　　progress:  23 0.01736525259912014

　　    grad:  1.0 2.0 tensor([0.1444, 0.1444, 0.1444])

　　    grad:  2.0 4.0 tensor([-2.3867, -1.1933, -0.5967])

　　    grad:  3.0 6.0 tensor([2.3354, 0.7785, 0.2595])

　　progress:  24 0.016833148896694183

　　    grad:  1.0 2.0 tensor([0.1518, 0.1518, 0.1518])

　　    grad:  2.0 4.0 tensor([-2.3619, -1.1810, -0.5905])

　　    grad:  3.0 6.0 tensor([2.3001, 0.7667, 0.2556])

　　progress:  25 0.01632905937731266

　　    grad:  1.0 2.0 tensor([0.1589, 0.1589, 0.1589])

　　    grad:  2.0 4.0 tensor([-2.3380, -1.1690, -0.5845])

　　    grad:  3.0 6.0 tensor([2.2662, 0.7554, 0.2518])

　　progress:  26 0.01585075818002224

　　    grad:  1.0 2.0 tensor([0.1657, 0.1657, 0.1657])

　　    grad:  2.0 4.0 tensor([-2.3151, -1.1575, -0.5788])

　　    grad:  3.0 6.0 tensor([2.2336, 0.7445, 0.2482])

　　progress:  27 0.015397666022181511

　　    grad:  1.0 2.0 tensor([0.1723, 0.1723, 0.1723])

　　    grad:  2.0 4.0 tensor([-2.2929, -1.1465, -0.5732])

　　    grad:  3.0 6.0 tensor([2.2022, 0.7341, 0.2447])

　　progress:  28 0.014967591501772404

　　    grad:  1.0 2.0 tensor([0.1786, 0.1786, 0.1786])

　　    grad:  2.0 4.0 tensor([-2.2716, -1.1358, -0.5679])

　　    grad:  3.0 6.0 tensor([2.1719, 0.7240, 0.2413])

　　progress:  29 0.014559715054929256

　　    grad:  1.0 2.0 tensor([0.1846, 0.1846, 0.1846])

　　    grad:  2.0 4.0 tensor([-2.2511, -1.1255, -0.5628])

　　    grad:  3.0 6.0 tensor([2.1429, 0.7143, 0.2381])

　　progress:  30 0.014172340743243694

　　    grad:  1.0 2.0 tensor([0.1904, 0.1904, 0.1904])

　　    grad:  2.0 4.0 tensor([-2.2313, -1.1157, -0.5578])

　　    grad:  3.0 6.0 tensor([2.1149, 0.7050, 0.2350])

　　progress:  31 0.013804304413497448

　　    grad:  1.0 2.0 tensor([0.1960, 0.1960, 0.1960])

　　    grad:  2.0 4.0 tensor([-2.2123, -1.1061, -0.5531])

　　    grad:  3.0 6.0 tensor([2.0879, 0.6960, 0.2320])

　　progress:  32 0.013455045409500599

　　    grad:  1.0 2.0 tensor([0.2014, 0.2014, 0.2014])

　　    grad:  2.0 4.0 tensor([-2.1939, -1.0970, -0.5485])

　　    grad:  3.0 6.0 tensor([2.0620, 0.6873, 0.2291])

　　progress:  33 0.013122711330652237

　　    grad:  1.0 2.0 tensor([0.2065, 0.2065, 0.2065])

　　    grad:  2.0 4.0 tensor([-2.1763, -1.0881, -0.5441])

　　    grad:  3.0 6.0 tensor([2.0370, 0.6790, 0.2263])

　　progress:  34 0.01280694268643856

　　    grad:  1.0 2.0 tensor([0.2114, 0.2114, 0.2114])

　　    grad:  2.0 4.0 tensor([-2.1592, -1.0796, -0.5398])

　　    grad:  3.0 6.0 tensor([2.0130, 0.6710, 0.2237])

　　progress:  35 0.012506747618317604

　　    grad:  1.0 2.0 tensor([0.2162, 0.2162, 0.2162])

　　    grad:  2.0 4.0 tensor([-2.1428, -1.0714, -0.5357])

　　    grad:  3.0 6.0 tensor([1.9899, 0.6633, 0.2211])

　　progress:  36 0.012220758944749832

　　    grad:  1.0 2.0 tensor([0.2207, 0.2207, 0.2207])

　　    grad:  2.0 4.0 tensor([-2.1270, -1.0635, -0.5317])

　　    grad:  3.0 6.0 tensor([1.9676, 0.6559, 0.2186])

　　progress:  37 0.01194891706109047

　　    grad:  1.0 2.0 tensor([0.2251, 0.2251, 0.2251])

　　    grad:  2.0 4.0 tensor([-2.1118, -1.0559, -0.5279])

　　    grad:  3.0 6.0 tensor([1.9462, 0.6487, 0.2162])

　　progress:  38 0.011689926497638226

　　    grad:  1.0 2.0 tensor([0.2292, 0.2292, 0.2292])

　　    grad:  2.0 4.0 tensor([-2.0971, -1.0485, -0.5243])

　　    grad:  3.0 6.0 tensor([1.9255, 0.6418, 0.2139])

　　progress:  39 0.01144315768033266

　　    grad:  1.0 2.0 tensor([0.2333, 0.2333, 0.2333])

　　    grad:  2.0 4.0 tensor([-2.0829, -1.0414, -0.5207])

　　    grad:  3.0 6.0 tensor([1.9057, 0.6352, 0.2117])

　　progress:  40 0.011208509095013142

　　    grad:  1.0 2.0 tensor([0.2371, 0.2371, 0.2371])

　　    grad:  2.0 4.0 tensor([-2.0693, -1.0346, -0.5173])

　　    grad:  3.0 6.0 tensor([1.8865, 0.6288, 0.2096])

　　progress:  41 0.0109840864315629

　　    grad:  1.0 2.0 tensor([0.2408, 0.2408, 0.2408])

　　    grad:  2.0 4.0 tensor([-2.0561, -1.0280, -0.5140])

　　    grad:  3.0 6.0 tensor([1.8681, 0.6227, 0.2076])

　　progress:  42 0.010770938359200954

　　    grad:  1.0 2.0 tensor([0.2444, 0.2444, 0.2444])

　　    grad:  2.0 4.0 tensor([-2.0434, -1.0217, -0.5108])

　　    grad:  3.0 6.0 tensor([1.8503, 0.6168, 0.2056])

　　progress:  43 0.010566935874521732

　　    grad:  1.0 2.0 tensor([0.2478, 0.2478, 0.2478])

　　    grad:  2.0 4.0 tensor([-2.0312, -1.0156, -0.5078])

　　    grad:  3.0 6.0 tensor([1.8332, 0.6111, 0.2037])

　　progress:  44 0.010372749529778957

　　    grad:  1.0 2.0 tensor([0.2510, 0.2510, 0.2510])

　　    grad:  2.0 4.0 tensor([-2.0194, -1.0097, -0.5048])

　　    grad:  3.0 6.0 tensor([1.8168, 0.6056, 0.2019])

　　progress:  45 0.010187389329075813

　　    grad:  1.0 2.0 tensor([0.2542, 0.2542, 0.2542])

　　    grad:  2.0 4.0 tensor([-2.0080, -1.0040, -0.5020])

　　    grad:  3.0 6.0 tensor([1.8009, 0.6003, 0.2001])

　　progress:  46 0.010010283440351486

　　    grad:  1.0 2.0 tensor([0.2572, 0.2572, 0.2572])

　　    grad:  2.0 4.0 tensor([-1.9970, -0.9985, -0.4992])

　　    grad:  3.0 6.0 tensor([1.7856, 0.5952, 0.1984])

　　progress:  47 0.00984097272157669

　　    grad:  1.0 2.0 tensor([0.2600, 0.2600, 0.2600])

　　    grad:  2.0 4.0 tensor([-1.9864, -0.9932, -0.4966])

　　    grad:  3.0 6.0 tensor([1.7709, 0.5903, 0.1968])

　　progress:  48 0.009679674170911312

　　    grad:  1.0 2.0 tensor([0.2628, 0.2628, 0.2628])

　　    grad:  2.0 4.0 tensor([-1.9762, -0.9881, -0.4940])

　　    grad:  3.0 6.0 tensor([1.7568, 0.5856, 0.1952])

　　progress:  49 0.009525291621685028

　　    grad:  1.0 2.0 tensor([0.2655, 0.2655, 0.2655])

　　    grad:  2.0 4.0 tensor([-1.9663, -0.9832, -0.4916])

　　    grad:  3.0 6.0 tensor([1.7431, 0.5810, 0.1937])

　　progress:  50 0.00937769003212452

　　    grad:  1.0 2.0 tensor([0.2680, 0.2680, 0.2680])

　　    grad:  2.0 4.0 tensor([-1.9568, -0.9784, -0.4892])

　　    grad:  3.0 6.0 tensor([1.7299, 0.5766, 0.1922])

　　progress:  51 0.009236648678779602

　　    grad:  1.0 2.0 tensor([0.2704, 0.2704, 0.2704])

　　    grad:  2.0 4.0 tensor([-1.9476, -0.9738, -0.4869])

　　    grad:  3.0 6.0 tensor([1.7172, 0.5724, 0.1908])

　　progress:  52 0.00910158734768629

　　    grad:  1.0 2.0 tensor([0.2728, 0.2728, 0.2728])

　　    grad:  2.0 4.0 tensor([-1.9387, -0.9694, -0.4847])

　　    grad:  3.0 6.0 tensor([1.7050, 0.5683, 0.1894])

　　progress:  53 0.00897257961332798

　　    grad:  1.0 2.0 tensor([0.2750, 0.2750, 0.2750])

　　    grad:  2.0 4.0 tensor([-1.9301, -0.9651, -0.4825])

　　    grad:  3.0 6.0 tensor([1.6932, 0.5644, 0.1881])

　　progress:  54 0.008848887868225574

　　    grad:  1.0 2.0 tensor([0.2771, 0.2771, 0.2771])

　　    grad:  2.0 4.0 tensor([-1.9219, -0.9609, -0.4805])

　　    grad:  3.0 6.0 tensor([1.6819, 0.5606, 0.1869])

　　progress:  55 0.008730598725378513

　　    grad:  1.0 2.0 tensor([0.2792, 0.2792, 0.2792])

　　    grad:  2.0 4.0 tensor([-1.9139, -0.9569, -0.4785])

　　    grad:  3.0 6.0 tensor([1.6709, 0.5570, 0.1857])

　　progress:  56 0.00861735362559557

　　    grad:  1.0 2.0 tensor([0.2811, 0.2811, 0.2811])

　　    grad:  2.0 4.0 tensor([-1.9062, -0.9531, -0.4765])

　　    grad:  3.0 6.0 tensor([1.6604, 0.5535, 0.1845])

　　progress:  57 0.008508718572556973

　　    grad:  1.0 2.0 tensor([0.2830, 0.2830, 0.2830])

　　    grad:  2.0 4.0 tensor([-1.8987, -0.9493, -0.4747])

　　    grad:  3.0 6.0 tensor([1.6502, 0.5501, 0.1834])

　　progress:  58 0.008404706604778767

　　    grad:  1.0 2.0 tensor([0.2848, 0.2848, 0.2848])

　　    grad:  2.0 4.0 tensor([-1.8915, -0.9457, -0.4729])

　　    grad:  3.0 6.0 tensor([1.6404, 0.5468, 0.1823])

　　progress:  59 0.008305158466100693

　　    grad:  1.0 2.0 tensor([0.2865, 0.2865, 0.2865])

　　    grad:  2.0 4.0 tensor([-1.8845, -0.9423, -0.4711])

　　    grad:  3.0 6.0 tensor([1.6309, 0.5436, 0.1812])

　　progress:  60 0.00820931326597929

　　    grad:  1.0 2.0 tensor([0.2882, 0.2882, 0.2882])

　　    grad:  2.0 4.0 tensor([-1.8778, -0.9389, -0.4694])

　　    grad:  3.0 6.0 tensor([1.6218, 0.5406, 0.1802])

　　progress:  61 0.008117804303765297

　　    grad:  1.0 2.0 tensor([0.2898, 0.2898, 0.2898])

　　    grad:  2.0 4.0 tensor([-1.8713, -0.9356, -0.4678])

　　    grad:  3.0 6.0 tensor([1.6130, 0.5377, 0.1792])

　　progress:  62 0.008029798977077007

　　    grad:  1.0 2.0 tensor([0.2913, 0.2913, 0.2913])

　　    grad:  2.0 4.0 tensor([-1.8650, -0.9325, -0.4662])

　　    grad:  3.0 6.0 tensor([1.6045, 0.5348, 0.1783])

　　progress:  63 0.007945418357849121

　　    grad:  1.0 2.0 tensor([0.2927, 0.2927, 0.2927])

　　    grad:  2.0 4.0 tensor([-1.8589, -0.9294, -0.4647])

　　    grad:  3.0 6.0 tensor([1.5962, 0.5321, 0.1774])

　　progress:  64 0.007864190265536308

　　    grad:  1.0 2.0 tensor([0.2941, 0.2941, 0.2941])

　　    grad:  2.0 4.0 tensor([-1.8530, -0.9265, -0.4632])

　　    grad:  3.0 6.0 tensor([1.5884, 0.5295, 0.1765])

　　progress:  65 0.007786744274199009

　　    grad:  1.0 2.0 tensor([0.2954, 0.2954, 0.2954])

　　    grad:  2.0 4.0 tensor([-1.8473, -0.9236, -0.4618])

　　    grad:  3.0 6.0 tensor([1.5807, 0.5269, 0.1756])

　　progress:  66 0.007711691781878471

　　    grad:  1.0 2.0 tensor([0.2967, 0.2967, 0.2967])

　　    grad:  2.0 4.0 tensor([-1.8417, -0.9209, -0.4604])

　　    grad:  3.0 6.0 tensor([1.5733, 0.5244, 0.1748])

　　progress:  67 0.007640169933438301

　　    grad:  1.0 2.0 tensor([0.2979, 0.2979, 0.2979])

　　    grad:  2.0 4.0 tensor([-1.8364, -0.9182, -0.4591])

　　    grad:  3.0 6.0 tensor([1.5662, 0.5221, 0.1740])

　　progress:  68 0.007570972666144371

　　    grad:  1.0 2.0 tensor([0.2991, 0.2991, 0.2991])

　　    grad:  2.0 4.0 tensor([-1.8312, -0.9156, -0.4578])

　　    grad:  3.0 6.0 tensor([1.5593, 0.5198, 0.1733])

　　progress:  69 0.007504733745008707

　　    grad:  1.0 2.0 tensor([0.3002, 0.3002, 0.3002])

　　    grad:  2.0 4.0 tensor([-1.8262, -0.9131, -0.4566])

　　    grad:  3.0 6.0 tensor([1.5527, 0.5176, 0.1725])

　　progress:  70 0.007440924644470215

　　    grad:  1.0 2.0 tensor([0.3012, 0.3012, 0.3012])

　　    grad:  2.0 4.0 tensor([-1.8214, -0.9107, -0.4553])

　　    grad:  3.0 6.0 tensor([1.5463, 0.5154, 0.1718])

　　progress:  71 0.007379599846899509

　　    grad:  1.0 2.0 tensor([0.3022, 0.3022, 0.3022])

　　    grad:  2.0 4.0 tensor([-1.8167, -0.9083, -0.4542])

　　    grad:  3.0 6.0 tensor([1.5401, 0.5134, 0.1711])

　　progress:  72 0.007320486940443516

　　    grad:  1.0 2.0 tensor([0.3032, 0.3032, 0.3032])

　　    grad:  2.0 4.0 tensor([-1.8121, -0.9060, -0.4530])

　　    grad:  3.0 6.0 tensor([1.5341, 0.5114, 0.1705])

　　progress:  73 0.007263725157827139

　　    grad:  1.0 2.0 tensor([0.3041, 0.3041, 0.3041])

　　    grad:  2.0 4.0 tensor([-1.8077, -0.9038, -0.4519])

　　    grad:  3.0 6.0 tensor([1.5283, 0.5094, 0.1698])

　　progress:  74 0.007209045812487602

　　    grad:  1.0 2.0 tensor([0.3050, 0.3050, 0.3050])

　　    grad:  2.0 4.0 tensor([-1.8034, -0.9017, -0.4508])

　　    grad:  3.0 6.0 tensor([1.5227, 0.5076, 0.1692])

　　progress:  75 0.007156429346650839

　　    grad:  1.0 2.0 tensor([0.3058, 0.3058, 0.3058])

　　    grad:  2.0 4.0 tensor([-1.7992, -0.8996, -0.4498])

　　    grad:  3.0 6.0 tensor([1.5173, 0.5058, 0.1686])

　　progress:  76 0.007105532102286816

　　    grad:  1.0 2.0 tensor([0.3066, 0.3066, 0.3066])

　　    grad:  2.0 4.0 tensor([-1.7952, -0.8976, -0.4488])

　　    grad:  3.0 6.0 tensor([1.5121, 0.5040, 0.1680])

　　progress:  77 0.00705681974068284

　　    grad:  1.0 2.0 tensor([0.3073, 0.3073, 0.3073])

　　    grad:  2.0 4.0 tensor([-1.7913, -0.8956, -0.4478])

　　    grad:  3.0 6.0 tensor([1.5070, 0.5023, 0.1674])

　　progress:  78 0.007009552326053381

　　    grad:  1.0 2.0 tensor([0.3081, 0.3081, 0.3081])

　　    grad:  2.0 4.0 tensor([-1.7875, -0.8937, -0.4469])

　　    grad:  3.0 6.0 tensor([1.5021, 0.5007, 0.1669])

　　progress:  79 0.006964194122701883

　　    grad:  1.0 2.0 tensor([0.3087, 0.3087, 0.3087])

　　    grad:  2.0 4.0 tensor([-1.7838, -0.8919, -0.4459])

　　    grad:  3.0 6.0 tensor([1.4974, 0.4991, 0.1664])

　　progress:  80 0.006920332089066505

　　    grad:  1.0 2.0 tensor([0.3094, 0.3094, 0.3094])

　　    grad:  2.0 4.0 tensor([-1.7802, -0.8901, -0.4450])

　　    grad:  3.0 6.0 tensor([1.4928, 0.4976, 0.1659])

　　progress:  81 0.006878111511468887

　　    grad:  1.0 2.0 tensor([0.3100, 0.3100, 0.3100])

　　    grad:  2.0 4.0 tensor([-1.7767, -0.8883, -0.4442])

　　    grad:  3.0 6.0 tensor([1.4884, 0.4961, 0.1654])

　　progress:  82 0.006837360095232725

　　    grad:  1.0 2.0 tensor([0.3106, 0.3106, 0.3106])

　　    grad:  2.0 4.0 tensor([-1.7733, -0.8867, -0.4433])

　　    grad:  3.0 6.0 tensor([1.4841, 0.4947, 0.1649])

　　progress:  83 0.006797831039875746

　　    grad:  1.0 2.0 tensor([0.3111, 0.3111, 0.3111])

　　    grad:  2.0 4.0 tensor([-1.7700, -0.8850, -0.4425])

　　    grad:  3.0 6.0 tensor([1.4800, 0.4933, 0.1644])

　　progress:  84 0.006760062649846077

　　    grad:  1.0 2.0 tensor([0.3117, 0.3117, 0.3117])

　　    grad:  2.0 4.0 tensor([-1.7668, -0.8834, -0.4417])

　　    grad:  3.0 6.0 tensor([1.4759, 0.4920, 0.1640])

　　progress:  85 0.006723103579133749

　　    grad:  1.0 2.0 tensor([0.3122, 0.3122, 0.3122])

　　    grad:  2.0 4.0 tensor([-1.7637, -0.8818, -0.4409])

　　    grad:  3.0 6.0 tensor([1.4720, 0.4907, 0.1636])

　　progress:  86 0.00668772729113698

　　    grad:  1.0 2.0 tensor([0.3127, 0.3127, 0.3127])

　　    grad:  2.0 4.0 tensor([-1.7607, -0.8803, -0.4402])

　　    grad:  3.0 6.0 tensor([1.4682, 0.4894, 0.1631])

　　progress:  87 0.006653300020843744

　　    grad:  1.0 2.0 tensor([0.3131, 0.3131, 0.3131])

　　    grad:  2.0 4.0 tensor([-1.7577, -0.8789, -0.4394])

　　    grad:  3.0 6.0 tensor([1.4646, 0.4882, 0.1627])

　　progress:  88 0.0066203586757183075

　　    grad:  1.0 2.0 tensor([0.3135, 0.3135, 0.3135])

　　    grad:  2.0 4.0 tensor([-1.7548, -0.8774, -0.4387])

　　    grad:  3.0 6.0 tensor([1.4610, 0.4870, 0.1623])

　　progress:  89 0.0065881176851689816

　　    grad:  1.0 2.0 tensor([0.3139, 0.3139, 0.3139])

　　    grad:  2.0 4.0 tensor([-1.7520, -0.8760, -0.4380])

　　    grad:  3.0 6.0 tensor([1.4576, 0.4859, 0.1620])

　　progress:  90 0.0065572685562074184

　　    grad:  1.0 2.0 tensor([0.3143, 0.3143, 0.3143])

　　    grad:  2.0 4.0 tensor([-1.7493, -0.8747, -0.4373])

　　    grad:  3.0 6.0 tensor([1.4542, 0.4847, 0.1616])

　　progress:  91 0.0065271081402897835

　　    grad:  1.0 2.0 tensor([0.3147, 0.3147, 0.3147])

　　    grad:  2.0 4.0 tensor([-1.7466, -0.8733, -0.4367])

　　    grad:  3.0 6.0 tensor([1.4510, 0.4837, 0.1612])

　　progress:  92 0.00649801641702652

　　    grad:  1.0 2.0 tensor([0.3150, 0.3150, 0.3150])

　　    grad:  2.0 4.0 tensor([-1.7441, -0.8720, -0.4360])

　　    grad:  3.0 6.0 tensor([1.4478, 0.4826, 0.1609])

　　progress:  93 0.0064699104987084866

　　    grad:  1.0 2.0 tensor([0.3153, 0.3153, 0.3153])

　　    grad:  2.0 4.0 tensor([-1.7415, -0.8708, -0.4354])

　　    grad:  3.0 6.0 tensor([1.4448, 0.4816, 0.1605])

　　progress:  94 0.006442630663514137

　　    grad:  1.0 2.0 tensor([0.3156, 0.3156, 0.3156])

　　    grad:  2.0 4.0 tensor([-1.7391, -0.8695, -0.4348])

　　    grad:  3.0 6.0 tensor([1.4418, 0.4806, 0.1602])

　　progress:  95 0.006416172254830599

　　    grad:  1.0 2.0 tensor([0.3159, 0.3159, 0.3159])

　　    grad:  2.0 4.0 tensor([-1.7366, -0.8683, -0.4342])

　　    grad:  3.0 6.0 tensor([1.4389, 0.4796, 0.1599])

　　progress:  96 0.006390606984496117

　　    grad:  1.0 2.0 tensor([0.3161, 0.3161, 0.3161])

　　    grad:  2.0 4.0 tensor([-1.7343, -0.8671, -0.4336])

　　    grad:  3.0 6.0 tensor([1.4361, 0.4787, 0.1596])

　　progress:  97 0.0063657015562057495

　　    grad:  1.0 2.0 tensor([0.3164, 0.3164, 0.3164])

　　    grad:  2.0 4.0 tensor([-1.7320, -0.8660, -0.4330])

　　    grad:  3.0 6.0 tensor([1.4334, 0.4778, 0.1593])

　　progress:  98 0.0063416799530386925

　　    grad:  1.0 2.0 tensor([0.3166, 0.3166, 0.3166])

　　    grad:  2.0 4.0 tensor([-1.7297, -0.8649, -0.4324])

　　    grad:  3.0 6.0 tensor([1.4308, 0.4769, 0.1590])

　　progress:  99 0.00631808303296566

　　predict (after tranining)  4 8.544171333312988

　　损失值随着迭代次数的增加呈递减趋势，如下图所示：

　　可以看出：x=4时的预测值约为8.5，与真实值8有所差距，可通过提高迭代次数或者调整学习率、初始参数等方法来减小差距。

　　参考文献：

• [1] https://www.bilibili.com/video/av93365242

　　到此这篇关于PyTorch反向传播的文章就介绍到这了,更多相关PyTorch反向传播内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。